85%的工作，還沒有被發明出來~

Insigne

早在 2017 年，戴爾技術公司和未來研究所聯合發布的一份報告就已經指出，到 2030 年，那時候存在的 85% 的工作，目前還沒有被發明出來。

17 年至今，距離報告的預測已行將過半，雖然該預測的最終效果仍難以定論，但是，工作方式的巨大變革切實發生在每個人的生活場景之中。
+ n: Z- z" N9 c( o9 }  i+ K) T
/ b( y6 z# s; w目前，一個領域普遍受到看好——提示詞工程師（Prompt Engineer）。提示詞工程師是「讓新一代生成性人工智能應用程序（如 ChatGPT 或 Google Bard ）做人類想要讓他們去做的事情」的專家。在國內外，已有很多使用大模型進行生產創作的實踐應用，涉及到軟件開發、文本處理、圖像生成等多個領域，「如何寫出好的提示詞」正在成為各個領域熱論的議題。

01 提示詞工程師何以如此誘人？
據外網媒體稱，提示詞工程師某種程度上不受到計算機編程語言等技術要求的限制。畢竟，正如特斯拉前人工智能主管、現在為 ChatGPT 創建者 Open AI 工 作的安德烈 · 卡爾帕西所說，「最熱門的新編程語言是英語。」更重要的是，人工智能工程師是一個目前工資高達 33.5 萬美元的角色。
, }+ R3 m1 g0 z2 Z7 C8 I
盡管條件誘人，但要想達到崗位需求仍需要面臨多方挑戰。也有人提出質疑，這真的是未來的工作領域，還是只是目前人工智能炒作周期過度膨脹狀態下的產物？

$ K" p# R- u  Q$ I; _生成性人工智能工具——特別是那些能夠創建文本、計算機代碼和圖形的工具——現在正引起大量的關注（以及相當程度的擔憂）。這是因為它們有極大實際應用價值，從營銷人員到人力資源、法律、計算機編程和數據分析師等許多不同角色的工作人員的工作日常，都有其應用的場景。

這類工具極大地提高了人的生產力，但如果每個人都能獲得同樣的技術，又如何保證在使用它的同時仍然表達個體的鮮明特色和創造力？又如何確保工作在與其他人的業績競爭中脫穎而出，為企業創造有力的競爭優勢？
! j" C4 ^& H* j4 n
4 ?; G8 a* t0 N1 Y( ^8 C這就是提示詞工程師所獨備的「技能點」。從生成性人工智能中獲得最理想化的結果是一項需要學習和磨練的技能，就像要成為任何其他計算機軟件的專業高手所要經歷的一樣。

% k. [4 b" l) W: {0 I+ g3 B通常，這是一個反復的過程。一個模糊的、籠統的提示會得到一個模糊的、籠統的回應，想要獲取精準而有價值的內容，是需要經歷數次迭代的。工程師利用他們的人類判斷力和溝通技巧來發現人工智能生成的內容中的不足之處，通過添加上下文以及多元素的提示，將大型任務分解成多個更加簡單的子任務，在改進優化中完善提示詞，直到得到想要的結果。

! `1 J' q+ |' e; x3 @8 J使用自然語言生成人工智能，如 ChatGPT，為一個有用的軟件應用程序編寫代碼就是一個很好的例子。

假設你有一個新應用的想法——你可能想創建一個工具，讓你公司的輪班人員安排共享汽車上班和回家，以減少企業的碳足跡。

如果你簡單地告訴 ChatGPT 為你寫這個應用程序，則它反饋的答案會令人大失所望。代碼過于復雜，不可能一次性輸出，而且 ChatGPT 沒有完成工作所需的數據。
2 ?4 q! k3 a. k( I/ }9 v
1 e* K& M4 i  Y7 M1 l# A3 l8 @不過，ChatGPT 完全有可能做到——如果工作被分解成適當的小塊，如果它被提供了所有必要的數據。
' f3 G) i: {5 d( T0 u5 ?
. [+ `8 U" u7 W一個好的提示工程師可以被認為是人工智能勞動力的 「項目經理」，監督構成工作的各個任務的完成，并確保所有工人（人工智能代理）擁有完成工作所需的工具（數據）。
/ U0 N) s3 S; O# p* q( [6 t
) ]- \" g! Y& X0 Z5 Z5 |* K提示工程中另一個有用的概念是角色。這允許通過定義人工智能的「角色 」來生成更相關、更有吸引力的回應。就像人類可能會根據自己是教師、科學家、哲學家還是喜劇演員而以不同的方式回答問題一樣，提示工程師可以定義人工智能的個性、特征和信仰，以告知人工智能的反應。

; a4 Y5 Q6 ~2 U2 f+ j( d, G6 X2 z02 技術的軟性要求，從人機溝通到項目管理
: l8 {. f$ S# g& R0 }& u據介紹，生成式人工智能對于提示詞工程師的要求并不局限于編程等硬性技術領域，非技術類的軟性技能也是職位所需要的。以下是多學科領域內為人工智能技術發展做出貢獻的五項非技術技能，同時也是提示詞工程師的職業要求。

' q, ~6 n! E* t* J  O第一要學會溝通。就像項目經理、教師或任何定期向其他人簡要介紹如何成功完成任務的人一樣，提示工程師需要善于給出指示。大多數人需要很多例子來完全理解指令，人工智能也是如此。愛德華·田（Edward Tian）開發了 GPTZero，這是一種人工智能檢測工具，可以幫助發現高中論文是否由人工智能撰寫，他向大型語言模型展示了示例，因此它可以使用不同的聲音寫作。當然，田是一位具有深厚技術技能的機器學習工程師，但這種方法可以被任何正在開發提示并希望聊天機器人以特定方式編寫的人使用，無論是經驗豐富的專業人士還是小學生。

$ D9 c+ ~5 }+ y$ d6 q' L第二，要具備領域的專業知識。許多提示工程師負責針對特定用例（例如醫療保健研究）調整聊天機器人。這就是為什么及時的工程職位發布正在涌現，要求特定行業的專業知識。無論是醫療保健、法律、營銷還是木工方面的主題專業知識，對于制作強大的提示都很有用。細節決定成敗，在與 AI 交談時，現實世界的經驗非常重要。

第三，精準化語言。為了讓人工智能成功輸出所需內容，它需要被灌輸意圖。這就是為什么善于使用動詞、詞匯和時態來表達總體目標的人善于提高人工智能的性能。當安娜·伯恩斯坦（Anna Bernstein）開始在 Copy.ai 工作時，她發現將自己的提示視為一種神奇的咒語很有用：一個錯誤的單詞會產生與預期截然不同的結果。「作為一名詩人，這個角色[...]用接近的語言融入了我的癡迷天性。這是我的文學背景和分析思維的一個非常奇怪的交集，「她在接受 Business Insider 采訪時說。人工智能提示不是使用編程語言，而是使用散文，這意味著人們在開發提示時應該釋放他們內心的語言學愛好者。
3 {0 j% U4 F* O* h- F8 y, c% o
- X9 ~2 Y+ S3 F第四，擁有批判性思維。生成式人工智能擅長合成大量信息，但它可以產生錯覺（這是一個真正的技術術語）。當聊天機器人在質量差或數據不足的情況下進行訓練或設計時，就會發生 AI 錯覺。聊天機器人有時候會制造一些虛假信息。提示工程師要精準戳中 AI 的弱點，然后訓練機器人變得更好。例如，人工智能初創公司 Scale AI 的及時工程師萊利·古德賽德（Riley Goodside）在向聊天機器人提出以下問題時得到了錯誤的答案：「賈斯汀·比伯出生的那一年，哪支 NFL 球隊贏得了超級碗？」然后，他要求聊天機器人列出一系列循序漸進的邏輯推論，以產生答案。最終，它糾正了自己的錯誤。這強調了對主題有適當程度的熟悉是關鍵：對于某人來說，讓聊天機器人產生他們無法可靠地進行事實檢查的東西可能不是一個好主意。

6 K# x" A! P' [# H+ B第五，掌握核心創造力。嘗試新事物是創造力的定義，也是良好快速工程的本質。Anthropic 的招聘啟事指出，該公司正在尋找一位具有「創造性黑客精神」的工程師。語言的精確性很重要，但也需要進行一些實驗。模型越大，復雜性就越大，反過來，產生意外但可能驚人的結果的可能性就越高。通過嘗試各種提示，然后根據結果完善這些指令，生成式 AI 用戶可以增加提出真正獨特事物的可能性。

熱青茶

所以不用焦慮

江東老歌

        車到山前必有路！